京公网安备 11010802034615号
经营许可证编号:京B2-20210330
制约商务智能在制造业大规模应用的因素
商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理,以保证数据的正确性,然后经过抽取(Extraction)、转换(Transformation)和装载(Load),即ETL过程,合并到一个企业级的数据仓库里,从而得到企业数据的一个全局视图,在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理(这时信息变为辅助决策的知识),最后将知识呈现给管理者,为管理者的决策过程提供支持。
一、国内市场
目前,国内商务智能(BI)的竞争者主要分为三类:国外厂商、国内厂商、外围厂商。
1、国外厂商:加速并购,完善产品
近几年,国际商务智能(BI)厂商加速了完善自身产品线的进程,表现为近几年商务智能(BI)领域的并购越来越热,新解决方案的不断推出。
对于国内市场,这些国际巨头已经认识到其潜力巨大,在过去的几年里,已经有很多国际巨头进入中国,成立办事处和研发中心,加强了国内市场的投入:
SAS、Brio很早就进入中国,开始攻城掠地。
Cognos由国家信息中心的北京优信佳公司作为其总代理,在国内销售、实施其产品,2006年7 月18 日,Cognos 公司宣布在中国发布Cognos 8BI解决方案(下称“Cognos8”)。
MicroStrategy在2003年11月6日宣布,通过其在大中国区的惟一总代理FirstBI公司代理销售其软件和服务,推广它的中文版产品,向中国企业提供数据分析软件。
Business Objects 在2003年底并购了 Crystal
之后,便紧锣密鼓地开始在中国市场布局。2004年1月在上海成立大中华区,紧接着推出了整合之前的过渡产品 Crystal Enterprise10
和Business Objects 6.5,2005年年初推出了两家产品整合后的 XI 平台。[page]
2、国内厂商两手准备
几年前,国内厂商通过与国际商务智能(BI)厂商合作代理其产品,积累了在商务智能(BI)领域产品、实施方面的经验,而现在多数国内厂商已有了自身独立的商务智能(BI)产品,虽然在功能上还需要不断完善,但已经迈出了坚实的一步。如在2003年Brio与金蝶达成战略合作伙伴关系,金蝶作为Brio的顶级代理商,把Brio
Performance Suite捆绑到金蝶的企业信息化整体解决方案中,在合作近1年后,金蝶通过OEM方式推出了自己的EPM产品。
面对国际商务智能(BI)巨头的竞争,国内厂商如金蝶、用友、创智等一方面同这些巨头建立良好的合作关系以维持发展,另一方面也在积极提升产品和解决方案的内在品质,向客户提供更完美的决策支持服务,争取与国外厂商一比高低。
3、外围厂商:渗透进入
外围的ERP等管理系统厂商显然不甘心看到众多专业BI厂商独自瓜分市场份额,于是他们首先在已有的ERP、SCM、CRM等客户上做文章,在ERP等产品上推出了集成的BI产品,在市场推广上也着重强调其系统的完整性与集成性,这让其产品在销售上取得了一定程度的优势。如SAP推出了其商务智能(BI)的产品SAP BW,重点强调SAP BW系统与R/3 ERP系统的完整性与集成性的优势。
同时,笔者预计,在未来的几年内,将会有为数不少的企业会进入这个市场,这个市场的竞争也将更加激烈。
二、国内制造业BI的应用
虽说几乎每个中国的企业都需要商务智能,但目前国内的应用主要集中在金融服务业(如银行、保险等)、电信业、航空业等资金充足、信息化起步较早、迫切需要数据分析的行业(这也是目前国内BI厂商关注的重点行业),国内的制造业企业在信息化建设方面起步较晚,而商务智能(BI)真正发挥其作用是需要底层的数据作为支撑的,否则就是“无源之水”,企业只有在应用ERP、CRM、SCM等系统3年以后,数据积累到一定程度以后,才会选择使用商务智能(BI)系统,商务智能(BI)系统在这时候也才会显现其价值。笔者认为制约商务智能(BI)在国内大规模应用的条件主要有:
1、目前,国产的商务智能(BI)系统在功能上还很不完善,与国外软件相比有较大的差距。而国外软件在价格上普遍较高。
2、国内的成熟、专业的商务智能(BI)实施顾问较少。
3、销售渠道的建立。目前,多数商务智能(BI)厂商是通过分公司或办事处来销售的,而未来国内制造业企业多数需要本地化服务,这种模式必将改变,但商务智能(BI)的销售、服务要求代理商要有很强的能力,如何选择、培养、发展这些代理商将是国内商务智能(BI)厂商面临的一个问题。
4、商务智能(BI)系统最昂贵的地方不是平台,而是模型,但目前由于国内市场应用BI的企业并不多,应用深入的更少,应用基础也比较薄弱,即使拿来国外先进的商业模型也不一定运转起来,所以尽快建立各种适合国内企业特色的模型是各商务智能(BI)厂商未来要投入大力解决的。
商务智能(BI)要想在国内制造业中大规模的普及,必须要解决好以上问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27